必威体育精装版：人工智能技术助力心血管疾病诊疗.pdf

必威体育精装版：人工智能技术助力心血管疾病诊疗

自20世纪50年代伊始，人工智能(artificialintelligence,AI)技术历

经3次浪潮，已取得长足发展。目前，以ChatGPT为代表的深度学习技

术正在全面改变人类社会的生产与生活。为医疗领域尤其是心血管疾病的

诊疗带来了更多的创新与挑战[1]。

近年来，AI技术应用千心血管领域的文章发表量迅速增加[2]

面立足千心电图、超声心动图、血管成像、磁共振等检查手段，发掘其更

大的诊断和预测价值；一面从疾病出发，尝试进行多模态信息体系构建，

实现智能化的早期筛查与综合诊疗。本文旨在阐述AI技术助力心血管疾

病诊疗的进展，并探讨其意义、挑战及未来发展。

一、AI赋能心血管诊断技术拓展疾病预测与诊断能力

l.AI赋能后的心电图拥有了更广泛的预测与诊断能力：心电图是心血管疾

病诊疗的常规和基础检查，最初的机器学习聚焦千心电图的诊断能力，尝

试通过算法的不断改善与演化，持续提高心律失常、心肌梗死等常见疾病

诊断的准确性。而深度学习技术的应用实现了基千可穿戴式设备采集的海

矗数据进行实时诊断。然而，目前可穿戴式设备采集的单导联数据有很大

的局限性，解决的主要是节律诊断，对千心肌缺血定位等的诊断和预测能

力有限。基千12导联心电图的智能算法展现出了更广泛的诊断能力，Attia

等[3]基于12导联心电图数据库应用卷积神经网络技术建立了心房

颤动的预测模型，发现多次检查心电图可以进一步将预测心房颤动的敏感

度、特异度提高。此后，该团队使用9万余例患者的心电图与经胸超声心

动图数据，采用卷积神经网络技术建立预测模型，以实现应用心电图来预

测左心室射血分数�35％的患者，预测的敏感度和特异度可分别达到

86.3%、85.7%，受试者工作特征曲线下面积(areaunderthecurve,

AUC)为0.93[4]。

目前，AI技术在心电图的应用逐步向预测价值延伸。ValenteSilva等

[5]展示并验证了一种基千AI技术和心电图的高特异性肺栓塞预测

模型，为医师急诊接诊提供有效辅助。Hirota等[6]构建了一种深

度学习算法，使用从12导联静息心电图获得的参数成功预测无结构性心

脏病患者的全因死亡和心血管疾病死亡。

2.AI赋能使心血管影像技术诊断能力不断提升：心血管影像在心血管疾病

的诊断中具有重要意义。超声心动图、冠状动脉CT血管成像(computed

tomographyangiography,CTA)、心脏磁共振(cardiacmagnetic

resonance,CMR)及核素相关的心肌灌注显像等都可以在AI加持下创

造更多可能。AI技术的运用不仅提高了诊断准确性和效率、减少了医师的

个体认知差异，还可实现对潜在异常的探索以及相似疾病的鉴别等。

超声心动图临床应用广泛，诸多研究聚焦千其结果准确性的提升，如

Ouyang等［7]借助深度学习基千动态超声心动图构建了射血分数

计算模型，其准确性和可靠性均较专家更优。对千超声心动图不易鉴别的

疾病，AI也可提供帮助，如Laumer等[8]在一项队列研究中对比

akotsubo患者和急性心肌梗死患者的经胸超声心动图，证实深度学

了T

习技术对疾病分类的准确性较专家更高。同样，AI也在拓展普通超声心动